及時、有效地采集道路交通信息(流量、車速、占有率、車型等)是實現智能交通系統ITS(Intelligent Transportation System)的一個關鍵環節。目前，用于道路交通信息采集的最常用的方式有：地埋式感應線圈、微波、超聲波、全球衛星定位(GPS)、視頻檢測等。其中，視頻檢測與其他常用的檢測方式相比具有以下優點[1-2]：(1)可以提供更直接的交通場景。(2)檢測范圍大，可提供的交通參數多。(3)安裝、維護方便，對路面地基無損壞等。此外，隨著計算機軟硬件技術和圖像處理、人工智能、模式識別等技術的不斷發展，視頻檢測的實時性和正確率已達到了較滿意的程度,正受到交通經營、管理部門和研究人員的關注，并被應用到實際的交通管理中^[3]。
　　本文基于視頻檢測技術設計了一種高速公路交通信息采集系統，系統能夠對采集的交通現場視頻信息進行實時分析處理，從而實時、有效地獲取用于反映道路交通狀態的基本信息(如：車流量、車型、車速)，并且還可將這些信息傳輸到智能交通系統的控制平臺，進行信息發布、進一步的控制等處理，以實現交通信息的智能獲取和控制。
1 系統框架
　　系統結構框圖如圖1所示。系統通過CCD攝像機采集交通道路現場的視頻信息，傳輸給視頻處理器VIP(Video Image Processor)，視頻處理器對視頻信息進行處理分析并檢測和跟蹤視頻信息中的車輛信息，然后再根據實際需求對檢測和跟蹤的結果進行處理，得到相應的交通參數，同時將交通參數傳輸給數 據服務器，提供給交通控制平臺使用。根據功能劃分，系統可以分為視頻采集與傳輸、視頻處理和信息處理三個模塊。

2 系統功能模塊的設計
2．1 視頻采集與傳輸模塊
　　視頻采集與傳輸模塊是交通信息采集系統中的第一個模塊，該模塊通過采集設備拍攝交通現場的視頻圖像并傳輸給視頻處理器。視頻圖像的整個流程是：CCD攝像機→光端機→光纖→光端機→圖像采集卡→視頻處理器。
　　在交通視頻采集過程中需要注意二個方面：視頻圖像中所能檢測的有效范圍和圖像的質量。如果圖像中有效的檢測范圍太小，則獲取的車輛跟蹤路徑較短，獲取信息的可信度就會降低；如果視頻中的畫面模糊、對比度差、車輛遮擋嚴重，則會給后續的處理算法增加難度，同時也會降低采集信息的可信度。為此，在采集過程中通常要采取一些措施避免上述問題的發生。本系統是在道路上方架設龍門架(或在隔離帶架設T型架)，將CCD攝像機安裝在道路正上方的龍門架上，通過調整攝像機的俯角、左右偏角和鏡頭調節圖像中的檢測范圍以盡量避免車輛遮擋情況；通過調節攝像機的光圈、快門等獲取適當對比度和亮度的視頻圖像。
2.2 視頻處理模塊" title="處理模塊">處理模塊
　　視頻處理模塊是系統的核心模塊，采集的交通信息直接或間接地來自車輛檢測與跟蹤的結果。因此，檢測與跟蹤的正確與否直接關系到采集的信息準確與否。
　　車輛檢測與跟蹤的方法很多，本文根據高速公路和城市快速道路的特點，設計了一種基于視頻檢測的高速公路車輛檢測和跟蹤算法^[4]，其算法流程如圖2所示。首先對一些參數進行初始化，獲取應用環境的一些基本信息，劃定檢測區(分為車輛檢測區和車輛跟蹤區)，在檢測區按車道設置虛擬線檢測線(圈)(具體設置見參考文獻^[4])，然后按車道對虛擬檢測線(圈)進行檢測，當檢測到有車輛進入時，便建立一個與之對應的對象，跟蹤區則根據跟蹤對象的情況進行跟蹤，如果跟蹤區沒有跟蹤對象，則不對跟蹤區進行分析。通過這種模型可以減少跟蹤時搜索的盲目性和計算量。

2．2．1 車輛檢測
　　車輛檢測實質上就是對運動物體" title="運動物體">運動物體的檢測，基于視頻檢測的運動物體檢測方法有光流法、模式匹配法、鄰幀差分" title="差分">差分法、背景幀差分法等。由于光流法、模式匹配等方法的計算量太大，不利于實時檢測；鄰幀差分法計算簡單，對運動物體檢測效果好，但對于運動很快或者緩慢的車輛檢測效果不佳；背景幀差分法提取目標直接，但需要一個好的背景提取和更新算法。根據以上分析，鄰幀差分法和背景幀差分法各有優點和不足，因此，本系統綜合這兩種方法：即通過背景幀差分法檢測運動物體，而通過鄰幀差分法判斷運動物體是否是陰影。具體步驟如下：首先通過基于像素統計的背景更新方法動態更新背景，然后以式(1)按車道對檢測區設置的多條虛擬線進行實時檢測。

　　由于陰影也會引起flag_t曲線的變化，因此系統還需要判斷運動物體是車輛還是陰影。系統通過判斷運動物體是否具有下列特征來去除陰影的影響：(1) 有運動陰影時，其相鄰車道肯定有運動物體。(2) 檢測區域的灰度在有陰影時比無陰影時小。(3) 在相同的光照環境下，陰影路面中的同一點灰度值不變。(4) 陰影的紋理較車輛紋理簡單。
　　當檢測到有運動物體時，再分析運動物體是否具有上述特征以作進一步判斷。

2．2．2 車輛跟蹤
　　車輛跟蹤是為了獲得車輛的運動軌跡，為計算交通參數提供依據。其實質就是多目標跟蹤，本設計采用的圖像采集卡的圖像采幀率是25幀/秒，即連續采集二幀的時間間隔是0.025秒。在這么短的時間內，車輛在前后連續的兩幀圖像中的位置變化很小，因此，當知道當前幀中車輛的位置和速度時，就可以預測車輛在下一幀圖像中的位置范圍。根據這個特點，系統設計了基于預測的快速跟蹤法^[4]，該方法的基本思想是：選用車頭位置作為匹配特征，把預測的位置和測量到的位置的距離作為匹配相似量度，即先根據上一幀中各跟蹤對象O_k的速度和位置預測出在當前幀中的位置P_k(x,y)，再根據背景幀差分法求出當前幀中存在的車輛位置(本系統以車頭位置替代)M_i(x,y)。對于前一幀中的每一個跟蹤對象O_k，找出符合式(2)且使d(式3)最小的車輛對象Mk作為對象O_k在當前幀中的跟蹤結果，并且將O_k更新為M_k。如果沒有找到，則認為上一幀的對象O_k在當前幀中消失。當O_k在連續的幾幀中都消失時，則認為該對象跟蹤失??；當檢測到車輛的位置超過了檢測區域時，則認為該對象已離開跟蹤區。
　　
　　式中,Q_kx、Q_ky分別表示編號為k的上一幀跟蹤對象Q_k在x、y方向上的坐標(其他類似)，threshold_θ是角度閾值，用來表示允許速度在方向上的偏差。
2．3 信息處理模塊
　　通過視頻處理模塊可以得到車輛運動軌跡，但這些結果并不能被交通管理和統計部門直接利用，往往還需要根據具體要求對車輛檢測和跟蹤的結果進行分析處理來獲取相應的交通信息，如：某時間段的流量、平均車速、道路占有率、道路阻塞情況等。下面對流量、車速的信息和時間占有率的提取作一介紹。
2．3．1 流量信息
　　流量信息的提取主要通過對虛擬檢測線輸出的flagt曲線分析的來獲得。
　　flag_t曲線及其二值化結果。如圖3所示，首先將flag_t曲線(曲線一)進行二值化得到曲線二，當有上升沿時，記錄時刻t_n，再記錄與其相鄰的下降沿到來時刻t_m，T=t_m-t_n是虛擬線圈的觸發時間。為了避免相機的抖動等干擾，設定了二個時間閾值α₁、α₂，如果α₁2時，則認為有一個運動物體出現，否則認為是噪聲。根據車輛檢測的方法進行判斷，如果該運動物體是車輛，則將其編號并保存，同時記錄到達時刻T_N和離開時刻T_M，以便統計某時間段內的車流量。
2．3．2 車速檢測
　　平均車速主要是通過對車輛跟蹤結果的分析來獲取。首先根據初始化時標定的路面坐標，計算出跟蹤區的實際長度S，然后根據對象在跟蹤區存在的時間T計算出車輛在跟蹤區的平均速度，其計算公式如下：
　　
　　式中，k為車輛出現的次序號。
2．3．3 道路占有率
　　道路占有率是用來描述交通密度的分布特征的，分為空間占有率和時間占有率。占有率越高，表示交通密度越大。這里介紹時間占有率：即在某一時段內，車輛通過某一斷面的累計時間占觀測時間的百分比，稱作時間占有率，可用式(5)計算:
　　
　　式中，R_t為時間占有率(％)；T₀為觀測時段(秒)；t_i為第i輛車通過觀測面時占有的時間(秒)，可通過車輛經過跟蹤區的幀數來獲取； n為觀測時段內通過觀測斷面的車輛總數(輛)。
3 系統實現與結果
　　在本系統設計中，將視頻處理和客戶端系統集中在一起，運行在配置為P4、2.0G，RAM為512MB的工業控制機上。采用Windows xp操作系統，利用VC＋＋6.0開發工具實現車輛檢測和跟蹤算法、數據的網絡傳輸以及數據的動態顯示和人機界面。檢測的數據和交通視頻信息在客戶端動態地顯示，同時傳輸給數據服務器備份。檢測的數據保存在數據庫中，以利查詢、分析；交通視頻信息則按時間段壓縮保存，便于查找回放。圖4是客戶端系統實現的一個主界面，可以實現各路視頻信息的顯示與隱藏、各車道動態流量曲線的顯示、虛擬檢測線等系統參數的設置和修改等功能。